一种基于神经网络的飞行数据缺失补充方法技术

本发明专利技术公开了一种基于神经网络的飞行数据缺失补充方法，该方法通过分析飞行参数数据，以燃油系统相关的参数为基本输入，将数据进行预处理，并对每个航段中的不同飞行阶段进行划分，整理出训练集和测试集，通过训练集训练神经网络，形成较为有效的回归预测网络，将预测得到的数据作为数据缺失补足内容，并通过测试集对网络进行测试，验证其精度。通过这种数据缺失补充方法，可以有效应对因振动、冲击、高低温转换等严酷环境的影响而导致的系统数据记录异常，可以建立有效且完整的数据集，从而实现对系统的状态监控和趋势分析。由于重视其他数据和被补充数据的关联，可以较为客观的反映被补充的数据变化情况，弥补经典插值补充方法的不足。

A method of adding missing flight data based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的飞行数据缺失补充方法
本专利技术属于飞行器状态监控领域，尤其涉及一种基于神经网络的飞行数据缺失补充方法。
技术介绍
在飞机飞行过程中，会遭受到振动、冲击、高低温转换等严酷环境的影响，由于传感器本身的误差或者数据采集传输过程中的误差，会造成记录数据的异常(记录的数值差别较大)，甚至有可能有些数值没有及时记录进去，造成参数值的缺失。飞行参数原始数据中存在着不完整(有缺失值)、不一致、有异常的数据，严重影响了数据挖掘的效率，甚至可能导致出现偏差。处理缺失值的方法可以分为三类：删除记录、不处理和数据插补。如果通过简单的删除小部分记录达到既定的目标，那么删除含有缺失值的记录的这种方法是最有效的。然而，这种方法却有很大的局限性。它是以减少历史数据来换取数据的完备，会造成资源的大量浪费，其丢弃了大量隐藏在这些记录中的信息。尤其在数据集本来就包含很少记录的情况下，删除少量记录可能严重影响到分析结果的客观性和准确性。
技术实现思路
专利技术目的：本专利技术提出一种基于神经网络的飞行数据缺失补充方法，弥补删除含有缺失值本文档来自技高网...

【技术保护点】
1.一种基于神经网络的飞行数据缺失补充方法，其特征在于，该方法通过分析飞行参数数据，以燃油系统相关的参数为基本输入，将数据进行预处理，并对每个航段中的不同飞行阶段进行划分，整理出训练集和测试集，通过训练集训练神经网络，形成回归预测网络，将预测得到的数据作为数据缺失补足内容，并通过测试集对网络进行测试，验证其精度。/n

【技术特征摘要】
1.一种基于神经网络的飞行数据缺失补充方法，其特征在于，该方法通过分析飞行参数数据，以燃油系统相关的参数为基本输入，将数据进行预处理，并对每个航段中的不同飞行阶段进行划分，整理出训练集和测试集，通过训练集训练神经网络，形成回归预测网络，将预测得到的数据作为数据缺失补足内容，并通过测试集对网络进行测试，验证其精度。


2.如权利要求1所述的一种基于神经网络的飞行数据缺失补充方法，其特征在于：燃油系统相关的参数包括左发燃油流量、右发燃油流量、左发高压转速、右发高压转速。


3.如权利要求2所述的一种基于神经网络的飞行数据缺失补充方法，其特征在于：在训练集训练神经网络过程中采用基于极限学习机的回归预测方法。


4.如权利要求3所述的一种基于神经网络的飞行数据缺失补充方法，其特征在于，采用基于极限学习机的回归预测方法进行飞行数据缺失补充流程如下：在相关性分析基础上，提取与燃油流量相关的参数，将这些燃油流量相关的参数作为输入向量，燃油流量作为输出向量；然后通过训练集进行基于极限学习机的算法训练，测试集验证算法的有效性；以绝对值误差、相对误差、平均相对误差MRE、均方误差MSE、均方根误差RMSE作为验证指标；
Absolute_Error＝|Ti-Yi|i＝1,2,...,n












其中Ti为预测的输出，Yi为期望的输出，n为样本个数。


5.如权利要求4所述的一种基于神经网络的飞行数据缺失补充方法，其特征在于：采用基于Person相关性分析的方法对变量进行相关性分析。


6.如权利要求5所述的一种基于神经网络的飞行数据缺失补充方法，其特征在于：基于ELM的燃油流量删...

【专利技术属性】
技术研发人员：张竞凯，池程芝，潘震，李铁颖，
申请(专利权)人：中国航空无线电电子研究所，
类型：发明
国别省市：上海;31